利用全球开放目录构建电池研究知识图谱
计算与语言
2026-04-23 v1 计算物理
摘要
电池研究是一个快速发展且高度跨学科的领域，这使得追踪相关专业知识和识别跨机构边界的潜在合作者变得越来越困难。在这项工作中，我们提出了一个构建以作者为中心的电池研究知识图谱的流程，该图谱基于大规模开放书目目录 OpenAlex。对于每位作者，我们推导出一个加权研究描述符向量，该向量结合了粗粒度的 OpenAlex 概念与从标题和摘要中使用 KeyBERT 提取的细粒度关键短语，其后端模型为 ChatGPT (gpt-3.5-turbo)，该模型是在评估了多个替代方案后选定的。向量分量按研究描述符来源、作者署名位置和时间新近度进行加权。该框架应用于一个包含 189,581 篇电池相关著作的语料库。生成的向量支持作者间相似度计算、社区发现以及通过基于浏览器的界面进行探索性搜索。然后，知识图谱被序列化为 RDF 格式并链接到 Wikidata 标识符，使其能够与外部关联开放数据源互操作，并可扩展到电池领域之外。与先前仅限于机构知识库的以作者为中心的分析不同，我们的方法在跨机构规模上运作，并将相似性建立在领域语义而非仅仅是引用或合著结构之上。
引用
@article{arxiv.2604.20241,
title = {Construction of a Battery Research Knowledge Graph using a Global Open Catalog},
author = {Luca Foppiano and Sae Dieb and Malik Zain and Kazuki Kasama and Keitaro Sodeyama and Mikiko Tanifuji},
journal= {arXiv preprint arXiv:2604.20241},
year = {2026}
}